空间回归模型估计中的最小二乘法

空间回归模型由于引入了空间地理信息而使得其参数估计变得复杂,因为主要采用最大似然法,致使一般人认为在空间回归模型参数估计中不存在最小二乘法。通过分析空间回归模型的参数估计技术,研究发现,最小二乘法和最大似然法分别用于估计空间回归模型的不同的参数,只有将两者结合起来才能快速有效地完成全部的参数估计。数理论证结果表明,空间回归模型参数最小二乘估计量是最佳线性无偏估计量。空间回归模型的回归参数可以在估计量为正态性的条件下而实施显著性检验,而空间效应参数则不可以用此方法进行检验。     

线性回归模型在因变量缺失下的约束估计

文章主要研究了线性回归模型在因变量缺失下的约束估计,基于完整数据方法和单点插补方法,我们给出了模型系数的两种约束估计,并研究了估计量的渐近正态性.最后,我们通过数值模拟验证了所提方法的有效性.     

结合WLS具有EGARCH误差项时序的ADF检验

文章在有限样本条件下,通过加权最小二乘法和普通最小二乘法随机模拟了误差项为EGAKCH-norm和EGARCH-t时序的ADF检验,发现用加权最小二乘法(WLS)比普通最小二乘法(OLS)得到检验统计量的临界值更加稳健,用t(ρ)统计量要比用t(ρ)统计量更有效.     

有测量误差时空间自回归模型的估计与检验

近年来运用空间计量经济模型进行实证分析的文献都普遍采用空间自回归(SAR)形式的设定,对参数的估计也多采用极大似然(MLE)的方法。在经典多元线性回归模型中,仅有被解释变量的测量误差并不会影响系数估计的一致性。本文证明对于SAR模型,即使仅当被解释变量存在测量误差时,且无论该测量误差是否与模型本身的扰动项相关,普遍采用的MLE都将是不一致的。为此,Hausman型的设定检验被推广到SAR模型中用以判别是否存在被解释变量的测量误差。当零假设被拒绝时,我们说明由Kelejian&Prucha(1998), Lee(2003)提出的二阶段最小二乘法仍然可以得到参数的一致估计。Monte Carlo模拟的结果与我们的理论预期一致。最后我们用一个估计地方环境支出外溢效应的实例说明如何运用本文所提的方法来检验应用空间自回归模型时可能存在的测量误差。     

线性模型中混合估计与最小二乘估计的新相对效率

文章讨论了当线性模型有一定的附加信息时,回归系数的混合估计与最小二乘估计的相对效率问题;在误差矩阵为正定矩阵时,给出了一种新的相对效率,并导出了它的上界.     

检验统计量的选择

对于拟合优度检验而言,不同的检验统计量构造的检验在不同的假设下其检验的势往往是不同的.即使在相同的原假设下,不同的备择假设下不同的检验的势也是有差异的.在统计理论上,利用检验的势的大小进行检验的选择是重要的标准.然而在实际中,实际工作者可能会遇到统计本身的问题不便于使用此方法,同时理论工作者也很难给出实际中所需要的所有的假设下统计量的检验势的比较结果.基于众数,文章对统计量的密度函数是单峰的情形,通过引入概率流失速度概念.构造了两个选择检验统计量的标准;并用Monte Carlo数值模拟验证了标准的可用性.     

纵向数据部分线性模型的估计方法

本文首先讨论了纵向数据部分线性模型yij=xijβ+g(tij)+eij的可行广义最小二乘估计方法及其估计的渐近性质,然后通过统计模拟研究表明我们的估计方法在有限样本情形也有良好的效果.由该方法获得的估计量具有显示解,计算简便,便于实际应用.     

约束线性模型系数的岭型Stein估计及最优预测

文章提出基于齐次等式约束下的线性模型系数的约束岭型Stein估计,并和约束最小二乘估计(RLSE)进行了比较,在均方误差准则下得到了约束岭型Stein估计优于RLSE的充分条件。然后,就基于约束岭型Stein估计的预测量与RLSE的预测量的最优性判别问题进行了讨论,得到了在风险函数意义下约束岭型Stein估计的预测量优于RLSE的预测量的充分条件,通过实证分析,进一步验证了在一定条件下约束岭型Stein估计优于RLSE。     

基于模糊线性回归的电子商务交易额预测

由于外界环境的影响以及复杂系统本身的模糊性,经典线性回归不能解释这类不精确数据的问题.因此,文章建立因变量是对称模糊数的线性回归模型.根据中国电子商务交易额和互联网发展数据,考虑因变量在不同时期的差异隶属,计算出回归函数的估计表达式.通过与经典线性回归的结果进行比较分析,表明模型在描述数据间内在结构,以及提高预测的精度上有显著效果.     

部分线性可加变量含误差模型的估计

作为可加模型和部分线性模型的推广,部分线性可加模型是一类应用广泛的半参数模型。文章主要讨论了当线性部分的协变量测量含误差时模型的估计问题,我们基于profile全最小二乘法构造了参数分量和模型误差方差的估计,并证明了估计量的渐近正态性。     

半参数模型中两步估计与最小二乘估计的比较

文章在MSE准则下对半参数模型中的参数的两步估计和最小二乘估计进行了比较,给出了参数的两步估计优于最小二乘估计的充分条件。     

约束线性模型系数的岭型Stein估计及其最优预测

文章提出基于齐次等式约束下的线性模型系数的约束岭型Stein估计,并和约束最小二乘估计(RLSE)进行了比较,在均方误差准则下得到了约束岭型Stein估计优于RLSE的充分条件.然后,就基于约束岭型Stein估计的预测量与RLSE的预测量的最优性判别问题进行了讨论,得到了在风险函数意义下约束岭型Stein估计的预测量优于RLSE的预测量的充分条件.通过实证分析,进一步验证了在一定条件下约束岭型Stein估计优于RLSE.     

正交多项式回归模型参数估计的格子设计及其最小二乘估计

对二元二次多项式回归模型进行预先正交化处理，提出使用因子空间的N等份的格子设计的观点，推导出了信息矩阵的一般性结构，并给出了该设计的非退化条件及其最小二乘估计和对应的协方差矩阵。     

样本统计量的几何解释

本文从几何的角度,解释了在抽样统计中经常用到的几个统计量的意义。注重从多维空间中寻找统计量的存在意义,是本文的一大特点。     

基于一元线性回归模型异方差对加权最小二乘法的考察

作为普通最小二乘法的改进,加权最小二乘法用于存在异方差问题的线性回归模型的参数估计。文章通过对加权最小二乘估计量、加权最小二乘变换的分析,并结合实际例证研究发现,加权最小二乘法在应用中存在一些不足之处,因而当发现模型存在异方差时使用加权最小二乘法是存在风险的。     

指数分布参数基于部分顺序统计量的区间估计

对于指数分布,文章利用样本的部分顺序统计量构造了一种枢轴量。求出精确的抽样分布,并研究了Fisher信息量,进而可以进行参数的区间估计。     

部分线性模型非参数部分的多项式类关系的检验

对于部分线性模型中非参数部分是否为多项式函数的检验问题,应该先确定其是否为多项式函数类。通过对部分线性模型的拟合残差进行再光滑,基于其变化的趋势性构造统计量以检验其是否为多项式函数类,给出了计算检验P-值的精确算法和三阶矩χ2逼近方法,模拟例子与实际例子充分显示了本方法的有效性。     

结构方程模型应用:错误设定与估计程序

结构方程模型虽已被广泛应用于社会科学实证研究,但其方法本身仍处于发展过程中。因PLSSEM估计程序被认为具有较好的"普适性"而逐渐流行于市场研究中,在关注结构方程模型应用的几个重要问题的基础上,比较了CB-SEM与PLS-SEM两类估计程序的主要差别;以Wheaton等人研究使用的模型为正确模型,设计了三种模型设定,又在随机模拟的基础上,讨论了在两类估计程序下拟合指标和估计系数对模型结构变化的不同反应,并给出一定的相关建议。     

地理加权似乎不相关回归模型及其估计

为了刻画时空异质性,文章基于地理加权回归技术和似乎不相关回归方法提出了一种新的空间计量经济学模型——地理加权似乎不相关模型.对于这类模型中的未知系数函数,提出了两种估计方法,第一种方法是利用局部加权最小二乘方法分别估计每个时刻对应的空间变系数模型,第二种方法是广义局部加权最小二乘估计,考虑了同一地点不同时刻误差之间的相关性.     

基于PLS对系统聚类分析方法的改进

1系统聚类方法及其存在的问题1.1系统聚类法为了将样本进行分类,就需要研究样本之间关系。目前用得最多的方法有两个:一种方法是用相似系数,比较相似的样本归为一类,不相似的样本归为不同的类。另一种方法是将一个样本看作P维空间的一个点,并在空间定义距离,距离较近的点归为一